基于PSPNet深度学习网络景观要素语义分割的春季森林景观质量评价

基于BIB-LCJ审美评判测量法对25个春季森林景观样本进行美景度评定,结合PSPNet深度学习网络对春季森林景观图像进行语义分割,建立美景度与景观要素的多元线性回归模型。结果表明:1)PSPNet对于天空与植被的识别精度分别为87.9%与86.7%,属于可用范围。2)与美景度相关的7个春季森林景观要素中,“植物层次”“花朵色彩丰富度”和“色彩统一程度”可提升春季景观美景度,而“枯枝可见率”“灌草层比例”“土壤裸露程度”和“视觉干扰物比例”对美景度则有负面影响。研究结果为春季森林景观的营建和质量提升提供了指导。此外,基于计算机视觉的深度学习PSPNet模型提供的语义分割技术,有效解决了景观图像组成量化这一客观的景观要素分解方法的应用技术瓶颈。